找到 5 条结果 · IEEE Transactions on Power Systems
变短路比下GFM与GFL逆变器混合系统的功率振荡分析及双互阻尼控制
Power Oscillation Analysis and Dual Mutual Damping Control for Hybrid System with GFM and GFL Inverters Under Varying Short Circuit Ratio
Xiaoke Liu · Yandong Chen · Zili Wang · Cong Luo 等6人 · IEEE Transactions on Power Systems · 2025年7月
具备构网型（GFM）和跟网型（GFL）逆变器的混合并网系统中的有功功率振荡会威胁其安全运行。本文考虑了GFM和GFL逆变器之间的耦合，建立了该异构系统的小信号模型。基于该模型，定性和定量地揭示了在不同短路比（SCR）下控制参数对功率振荡的影响机制。特别地，与其他参数相比，GFM逆变器的阻尼起主导作用。因此，将包含角频率和有功功率互阻尼的双互阻尼控制（DMDC）集成到GFM逆变器中以增强系统阻尼。文中还给出了其稳定性分析和关键参数设计。最后，实验结果验证了DMDC的有效性，表明在强电网和弱电网条件...
解读: 该双互阻尼控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。在弱电网场景下，阳光电源储能系统常采用GFM构网模式支撑电网，而光伏SG系列逆变器多为GFL跟网模式，两者混合并网时易产生低频功率振荡。该研究揭示的GFM-GFL动态交互机理可指导阳光电源优化混合系统控...
知识增强的群体深度强化学习用于大规模电网实时网络约束经济调度
Knowledge-Augmented Population-Based Deep Reinforcement Learning for Real-Time Network-Constrained Economic Dispatch of Large-Scale Power Grid
Yixi Chen · Jizhong Zhu · Hanjiang Dong · Cong Zeng 等5人 · IEEE Transactions on Power Systems · 2025年6月
近年来，深度强化学习（DRL）因其在在线前瞻决策和应对不确定性方面的优势，被广泛应用于实时网络约束经济调度（NCED）。然而，传统DRL方法在计算效率与并行性方面存在局限，难以适应大规模电网环境。为此，本文提出一种新型知识增强的群体深度强化学习（PDRL）方法。PDRL通过扰动代理参数生成种群进行探索，并聚合个体结果构建代理梯度以更新模型，具有高效探索能力与高并行性。结合电网物理知识，提出序贯安全投影（S2P）技术，显著提升决策安全性并降低训练难度。在39节点、500节点和2383节点系统上的仿...
解读: 该知识增强群体深度强化学习技术对阳光电源PowerTitan大型储能系统及iSolarCloud云平台具有重要应用价值。在储能侧，PDRL的高并行性与序贯安全投影技术可优化ST系列储能变流器的实时调度策略，确保大规模储能电站在电网约束下实现经济最优充放电决策，提升电网友好性。在光伏侧，该方法可集成至...
基于电池荷电状态相关报价的多时段能量-备用联合优化
Multi-Interval Energy-Reserve Co-Optimization With SoC-Dependent Bids From Battery Storage
Cong Chen · Siying Li · Lang Tong · IEEE Transactions on Power Systems · 2024年12月
我们研究了电池储能参与方提交荷电状态（SoC）相关报价情况下的能源 - 备用联合优化市场出清问题。虽然荷电状态相关报价考虑了储能的损耗和机会成本，但此类报价会导致市场出清过程中的优化问题呈现非凸性。更具挑战性的是调节备用容量出清，其中荷电状态相关成本是不确定的，因为它取决于市场出清后未知的调节轨迹。为解决多时段联合优化实时能源 - 备用市场中的非凸性和不确定性问题，我们对荷电状态相关报价引入了一个简单的限制条件，并提出了一个鲁棒优化模型，将不确定情况下的非凸市场出清问题转化为标准的凸分段线性规划...
解读: 该SoC相关报价的多时段能量-备用联合优化技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。通过在iSolarCloud云平台中集成SoC分段报价策略，可精确刻画储能系统在不同荷电状态下的充放电能力边界，优化电池全生命周期管理。该技术可直接应用于储能参与电力辅助服务...
一种偏好驱动的机组组合优化范式
A Preference-Driven UC Optimization Paradigm
Cong Zeng · Jizhong Zhu · Alberto Borghetti · Yixi Chen · IEEE Transactions on Power Systems · 2025年11月 · Vol.41
机组组合（UC）问题中二进制变量导致梯度信息失效，引发计算瓶颈。本文提出‘偏好’概念刻画变量趋近0/1的倾向，并设计基于解集的全局优化算法应对非凸性，显著提升求解效率与全局收敛性。
解读: 该研究提出的偏好驱动UC优化方法可直接赋能阳光电源iSolarCloud智能云平台的光储协同调度引擎，提升PowerTitan和ST系列PCS在电网侧/用户侧储能场景下的日前-日内联合优化能力；尤其适用于高比例新能源接入下构网型（GFM）逆变器集群的自主启停与调峰调频决策，建议在PowerStack...
基于质量-多样性学习的多替代方案机组组合优化
Quality-Diversity Learning Enabled Multi-Alternative Unit Commitment Optimization
Yixi Chen · Jizhong Zhu · Cong Zeng · IEEE Transactions on Power Systems · 2025年11月 · Vol.41
本文提出一种新型质量-多样性学习（QDL）方法，用于求解多替代方案的机组组合（UC）优化问题。该方法同步优化解的质量与行为多样性，生成多个高性能、差异化调度策略，提升系统运行鲁棒性与应急响应能力。
解读: 该QDL方法可增强阳光电源iSolarCloud智能运维平台在光储协同调度中的多场景决策能力，尤其适用于PowerTitan和ST系列PCS参与的电网侧/用户侧储能联合调峰调频场景。通过生成多样化可行UC方案，可提升对光伏出力波动、电价机制变化及电网约束突变的适应性。建议将QDL嵌入iSolarCl...